Models | The .NET Blog

Foundry'deki Claude Opus 4.8, Model Seçimliliğinin Bir Platform Özelliği Haline Geldiğinin Bir Başka İşareti

Emiliano Montesdeoca — Mon, 15 Jun 2026 00:00:00 +0000

Bu yazı otomatik olarak çevrilmiştir. Orijinali için, buraya tıklayın.

Belirli bir noktada, model kullanılabilirliği duyuruları artık sadece spesifik model nedeniyle ilginç olmaktan çıkar.

Bunlar platform hikayesini güçlendirdikleri için ilginç hale gelir.

İşte bu şekilde Claude Opus 4.8’in Microsoft Foundry’ye iniş yapmasını okuyorum.

Model Önemlidir, Ancak Daha Büyük Hikaye Daha Önemlidir

Evet, Claude Opus 4.8 kendi başına önemli bir model güncellemesidir.

Ancak bence daha faydalı işaret, Foundry’nin tek bir yönetilen işletme yüzeyi altında ciddi model seçimini genişletmeye devam etmesidir.

Bu önemlidir çünkü takımlara daha fazla hareket alanı verir:

modelleri iş yüküne uydurmak
maliyet ve yetenek arasında denge sağlamak
model kalitesi veya fiyatlandırması değiştiğinde esnek kalmak
yönetişim ve dağıtım disiplinini bir yerde tutmak

Önem verdiğim kısım bu.

Bunun Platform Düşüncesi İçin Neden Önemli Olduğu

Eğer AI platformunuz yalnızca bir model satıcısı sonsuza dek baskın kalırsa iyi çalışıyorsa, gerçekte dayanıklı bir platformunuz yoktur.

İyi pazarlamaya sahip bir bağımlılığınız vardır.

Bu nedenle Foundry her başka ciddi bir model seçeneği eklediğinde, ilginç soru sadece “bu model iyi mi?” değildir.

Ayrıca:

bu mimari esnekliğimi artırır mı?
satıcı kilitlenmesi baskısını azaltır mı?
iş yüküne özgü yönlendirmeyi daha gerçekçi hale getirir mi?

Model kullanılabilirliğinin stratejik olarak yararlı hale geldiği seviye budur.

Benim Görüşüm

Bu, bir spesifik model kilometre taşı hakkında daha az, Foundry’nin ciddi bir çok modelli platform gibi davranmaya devam etmesi hakkında daha fazla.

Daha büyük hikaye budur.

Ve Foundry bu hikayeyi ne kadar güçlendirirse, takımların model seçimine sadece tepki vermek yerine işletebileceği yer olarak o kadar güvenilir hale gelir.

Orijinal yazı: Claude Opus 4.8 artık Microsoft Foundry’de kullanılabilir

Microsoft Foundry Mayıs 2026: gerçekten yakından izleyeceğim güncellemeler

Emiliano Montesdeoca — Wed, 27 May 2026 00:00:00 +0000

Bu makale otomatik olarak çevrildi. Orijinal sürüm için buraya tıklayın.

Aylık platform özetleri çok hızlı bir şekilde özellik kalabalığına dönüşebilir.

Bu yüzden What’s New in Microsoft Foundry | May 2026‘ın kısa versiyonu şu: platform, gerçek AI sistemleri için en önemli olan alanlarda tam da derinleşiyor.

İzleyeceğim çizgiler şunlar:

trace tabanlı değerlendirme
daha geniş model seçimi
daha güçlü ajan araçları
daha iyi yönetilen izolasyon ve daha fazla maliyet görünürlüğü
Foundry Local üzerinden yerel AI etrafındaki sürekli ivme

Bu yoğun bir özet, bu yüzden kalıp sayıdan daha önemli

Orijinal makalede çok sayıda tekil madde var.

Bu normal, ama bu tür bir yazıyı özellik özellik okumak en iyi yöntem diye düşünmüyorum.

Daha iyi soru şu: platform hangi yönü açıkça güçlendiriyor?

Ve bence cevap şu:

Foundry, yalnızca model kataloğunda değil, ajanların etrafındaki operasyonel katmanlarda da güçleniyor.

Bu çok iyi bir işaret.

En önemli tema trace tabanlı değerlendirme

Tüm özetten tek bir tema seçmek zorunda olsaydım, muhtemelen trace tabanlı değerlendirme olurdu.

Neden? Çünkü değerlendirme hikayesini şuradan değiştiriyor:

statik bir veri kümesi oluşturmak
benchmark çalıştırmak
bunun production’ı yansıtmasını ummak

daha gerçekçi bir şeye dönüştürüyor:

gerçek davranışı gözlemlemek
gerçek trace’leri değerlendirmek
sistemin gerçekten ne yaptığından öğrenmek

Bu, production AI için çok daha olgun bir model.

Model çeşitliliği önemlidir, ama yalnızca operable kaldığında

Grok, DeepSeek, Fireworks ve reinforcement fine-tuning ile ilgili eklemeler kendi başlarına faydalı.

Ama benim için daha önemli nokta, sadece bir modelin daha gelmesi değil.

Model çeşitliliğinin şunlarla birlikte gelmesi:

operasyonel görünürlük
değerlendirme araçları
governance yüzeyleri
deployment tutarlılığı

Model ekosisteminin kaosa dönüşmesini engelleyen şey budur.

Foundry Local tekrar eden stratejik bir sinyal haline geliyor

Göz ardı etmeyeceğim bir başka şey de Foundry Local‘ın artık Foundry hikayesinin ciddi bir parçası olarak ne kadar sık ortaya çıktığı.

Bu bana Microsoft’un artık local AI’yi yan bir deney olarak görmediğini söylüyor.

Bu, daha geniş platform anlatısının bir parçası oluyor:

privacy
device-local inference
hardware portability
edge deployment
hybrid operational models

Buna dikkat etmek gerekiyor.

Benim görüşüm

Detaylar önemli, ama büyük resim daha da önemli.

Foundry, ajanlar, değerlendirmeler, modeller, local runtime’lar ve governance’ın daha doğal şekilde bağlantı kurduğu bir platforma doğru ilerlemeye devam ediyor.

Beni en çok ilgilendiren yön tam olarak bu.

Ve bu özet, birçok küçük bireysel duyurudan daha fazla, o yönü tek bir yerde görmeyi kolaylaştırıyor.

Orijinal makale: What’s new in Microsoft Foundry | May 2026

AI geliştirmenin zor kısmı artık erişim değil. Doğru modeli iyi bir şekilde işletmek

Emiliano Montesdeoca — Tue, 26 May 2026 00:00:00 +0000

Bu yazı otomatik olarak çevrilmiştir. Orijinal sürüm için buraya tıklayın.

Güçlü bir model erişimine sahip olmanın tek başına yeterli olduğu dönemi çoktan geride bıraktık.

Bu yeni Foundry model, cost ve quality yönetimi rehberi tam olarak bunu doğru yakalıyor.

Asıl zorluk artık operasyonel:

her workload için doğru modeli seçmek
onu kendi verinizle doğrulamak
latency ve harcamayı yönetmek
upgrade’leri ve regression riskini yönetmek

Ciddi ekiplerin iyi olması gereken şey tam olarak bu.

Kaynak makale problemi doğru tanımlıyor

Orijinal yazıdan bir cümle bu değişimi çok iyi yakalıyor:

“Bugün AI sistemleri kurmanın en zor kısmı artık yetenekli bir modele erişmek değil. Gerçek bir uygulamanın tüm yaşam döngüsü boyunca doğru modeli nasıl seçeceğinizi, doğrulayacağınızı, optimize edeceğinizi ve işleteceğinizi bilmektir.”

Bu tam olarak doğru teşhis.

Çok fazla ekip hâlâ model selection’ın ana karar olduğunu düşünüyor.

Değil.

Asıl büyük problem model operation:

hangi workload’a hangi model gider?
quality nasıl doğrulanır?
kabul edilebilir cost şekli nedir?
yeni bir model geldiğinde ya da eski model drift ettiğinde ne olur?
gerçek workflow’ları bozmadan bir değişiklik nasıl test edilir?

Asıl engineering işi şimdi bu.

Bu Foundry parçası neden faydalı

Bu makaleyi seviyorum, çünkü AI systems hakkında deneyimli platform engineer’ların gerçekten düşünmesi gerektiği şekilde konuşuyor.

“En akıllı modeli seç ve devam et” gibi değil.

Capability, latency, cost, safety, governance ve upgrade pressure gibi trade-off’lar altında yaşayan sistemler olarak ele alıyor.

Bu, benchmark odaklı iyimserlikten çok daha faydalı.

En önemli değişim, önce kriterleri düşünmek

Orijinal yazı, model catalog’u açmadan önce başarı kriterlerini tanımlamayı öneriyor.

Bu, ekiplerin benimseyebileceği en önemli alışkanlıklardan biri.

Catalog’u önce açarsanız, itibara bağlanırsınız.

Kriterleri önce tanımlarsanız, workload gerçekliğine bağlanırsınız.

Bu daha sağlıklı bir süreç.

Çünkü benchmark’ı kazanan model, şu alanlarda kazanan model olmak zorunda değildir:

sizin prompt’larınız
sizin latency budget’ınız
sizin cost guardrail’leriniz
sizin governance gereksinimleriniz

Olgun AI engineering tam olarak bu farkta başlıyor.

Multi-model hikâyesi gerçek bir avantaja dönüşüyor

Bir başka hoşuma giden şey de model-agnostic yaklaşım.

Makale Foundry’yi tek model destinasyonu olarak değil, şu alanların üzerinde bir operating surface olarak sunuyor:

Microsoft modelleri
partner modelleri
open-source modeller
post-trained varyantlar
routing ve optimization stratejileri

Bu önemli, çünkü model esnekliği artık lüks değil. Risk yönetiminin bir parçası.

Kalite değişirse, fiyatlar oynarsa veya quota daralırsa, ekiplerin seçeneğe ihtiyacı olur.

Maliyet kontrolü ikincil bir konu değil

Makale maliyeti de mimari bir concern olarak ele almakta haklı.

Bu, “sonra optimize ederiz” problemi değil.

Eğer her görevi varsayılan olarak en ağır modele gönderirseniz, bu demo’da harika çalışabilir ve production ekonomisinde çökebilir.

Bu yüzden şu bölümler bence birçok kişinin sandığından daha önemli:

routing
batching
caching
provisioned throughput
quota management

Maliyet disiplinini sistem tasarımının bir parçası olarak gören ekipler, bunu sonradan temizlik işi gören ekiplerden çok daha iyi dayanır.

Benim görüşüm

Bu Foundry parçası faydalı, çünkü AI systems hakkında deneyimli engineer’ların gerçekten onları nasıl işletmesi gerektiği gibi konuşuyor.

Demo gibi değil. Tek seferlik prototype gibi değil. Leaderboard turizmi gibi hiç değil.

Workload’lar, kısıtlar, trade-off’lar ve sürekli değişim için operating systems gibi.

Konuşmayı bu seviyede sürdürmemiz gerekiyor.

Ve production AI systems geliştiriyorsanız, ekiplerin erken içselleştirmesi gereken mindset tam olarak bu.

Orijinal gönderi: A Developer’s Guide to Managing Models, Cost and Quality in Microsoft Foundry